产品对齐论坛
Alignment Forum
AI安全与对齐领域的专业论坛，由LessWrong社区孵化，聚焦机器学习对齐、AI安全研究的学术讨论与提案发布
时间轴 (近 90 天)
10月12日
固定权重模型（至少以我们今天的理解方式）在其概念空间中永远存在对抗脆弱性。
待验证50%
10月12日
WorkspaceBench 是一套专门评估「全局工作空间」读取能力的基准，用来判断工具能否把前向传播中的中间变量还原成可读文本。
待验证50%
10月11日
Alignment Forum的一篇提案主张，一个实验室在没有充分解决当前这一代模型全部重大对齐问题之前，不得训练下一代能力更强的模型
待验证50%